c 正则去html标签,【已解决】C#中（过滤）去除HTML标签（tag）

【问题】

C#中，处理html：Type-2 Diabetes an Autoimmune Disease? – Hemoblogin – School …

时，想要去除其中的标签，此处为。

但是很明显，此处的确是可以自己手动用正则处理，但是明显很不安全和不全面。

所以希望找到一个办法，很安全的处理掉所有的html的标签。

【解决过程】

1.参考：

去试试：string InnerHtml = "Losing weight and belly fat improves sleep - Harvard Health ...";

string filderteHtml =HttpUtility.HtmlDecode(InnerHtml);

结果，如开始所预料的，还是没变化。

2.而此处，本身就是正在使用HtmlAgilityPack，所以，可以直接通过：HtmlNodeCollection h3aHtmlNodes = rootHtmlNode.SelectNodes("//h3[@class='r']/a");

foreach (HtmlNode h3aNode in h3aHtmlNodes)

{

//InnerHtml

//"Losing weight and belly fat improves sleep - Harvard Health ..."

//InnerText:

//"Losing weight and belly fat improves sleep - Harvard Health ..."

string title = h3aNode.InnerText;

}

而得到对应，过滤标签之后的html的text内容的：Losing weight and belly fat improves sleep – Harvard Health …"

所以，无需再操心html的标签。

3.当然，很简单的html的标签的过滤，则可以用那个正则：String result = Regex.Replace(htmlDocument, @"]*>", String.Empty);

的，至少满足一般的需求了。

【总结】

最好的办法还是，利用html解析库，比如HtmlAgilityPack，得到html的node后，通过InnerText，而直接得到过滤了标签后的文本内容。